Data Science三類職業方向：機器學習、數據分析和數據科學

2013年，Warald寫文章介紹過數據科學做什麼？需要什麼核心技能？

http://www.1point3acres.com/what-is-data-science-analytics

2015年，我又談了如何成為全棧數據科學家？如何選擇公司團隊來培養自身的能力？

http://www.1point3acres.com/data-scientist-how-to-select-teams/

根據Warald了解的信息，數據科學經過這些年的迅速發展，已經分化成三類工作職位。今後幾年，這種劃分應該會更明顯。

《一》數據科學的三個職業方向

1. 機器學習工程師 Machine Learning Engineer

代表了技術含量較高的方向，工作內容主要是開發機器學習系統和用這些系統解決實際問題。一般需要ship production code，做出來的是數據產品。

2. 數據分析員 Data Analyst

工作內容俗稱analytics (product analytics or business analytics)，從數據中提取insight，估計投資回報比，為產品方向提建議，所用工具一般較基礎，比如寫SQL query取數據、用R/Python做簡單的分析、用Tableau/Excel作圖比較常見，能自己開發Dashboard算是analyst裡面技術強的；工作需要產生各種形式的報告；在統計層次上，懂基本t-test和線性回歸即可。

3. 數據科學家 Data Scientist

很多人說，我想做數據產品，我想做機器學習，而這類職位就是大家想像中的那種。

此類職位工作內容以高級建模為主，會針對複雜的問題來設計技術方案，比如Uber叫車的ETA、各種定價系統、Airbnb和金融行業的Fraud Detection、Amazon物流管理，FB/Linkedin的社交網路或者ebay/Airbnb/Uber這樣供需雙方Marketplace市場規模的實驗。這些例子，聽上去就不是寫SQL能解決的，也不是會寫代碼就能做出來的，都需要比較深的領域知識。

《二》三個職業方向的對比

從工資收入高低來看，1和3都很高，2要低一些，尤其是非IT行業，工資明顯低很多，工作地點如果也不是熱門地區的話，可能只有1和3的一半。

從工作機會多少來看，近期內對1的需求很高，今後幾年內也會保持；2散布在各個行業，加起來也不少；3其實是少數派，職位很少，往往只有大公司才需要，中小型公司可能不需要，即使需要的話，有少數幾個人也就夠了。

從讀什麼專業、拿什麼學位角度來看，1包含「會一些ML的軟體工程師」和「會寫生產代碼的機器學習專家」兩種，也就是說，側重點會有差異，但是機器學習和軟體開發技能都需要。有EE或者CS博士學位最佳，統計等計量學科博士，如果輔修了CS master，也合適。如果只有EE/CS碩士學位也可以，但是碩士生們需要額外自學很多機器學習知識才能勝任，只靠在學校里簡單上一兩門課，可能不夠。此外，找工作的時候，也需要一些運氣成分才能找到合適的崗位。

2一般是統計、數據科學、商務分析、工業工程等專業的碩士擔任。

3一般是統計、運籌、經濟、工業工程、EE、CS等專業的博士擔任，需要某領域的深刻理解。

《三》如何在三個職業方向之間轉換？

如果你做的是1，考慮到工資收入高，能接觸到系統的核心（比如LinkedIn是如何給大家推薦工作的），你很可能不會主動考慮換崗位，當然，如果有機會往3靠近，做點新東西，或者處理更上層、更有全局觀的問題，很多人會考慮。

有人可能會問，碩士生們，在2類崗位工作幾年以後，是否可以從事3？這個要看具體情況，但是整體難度非常大。有一個道理相信很多人都明白：基礎工作做1000遍，不代表你能從事高級工作，典型的例子是用天天寫SQL產生report，寫上3年，不代表你能做建模。此外，很多公司看到你的最高學位是碩士，很可能不會考慮你，不給你機會。

3類工作也並非完美，最大的問題在前面說了，工業界職位少，換句話說，你跳槽可能沒有幾個選擇；當然，公司要招有經驗的人，合適的candidate也少。如果要往1轉，最大的障礙是編程能力如何，能否寫production code，如果本身就是EECS出身，那會很容易。

– Warald (Email: iamxiaoning@gmail.com)

博客: 美國留學申請+求職就業諮詢|一畝三分地論壇

微博：Sina Visitor System

歡迎轉載，轉載必須在標題註明轉載，在文章正文開始之前而不是最後，用不小於正文的字體大小，肉眼可以清楚識別的顏色，一字不漏的附帶以上三行內容。否則視為侵權！感謝合作。